LE CARTE DI CONTROLLO (4)
|
|
- Bruno Sartori
- 8 anni fa
- Visualizzazioni
Transcript
1 LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale Per ogni sottogruppo:p =np / n Per ogni sottogruppo: Per ogni sottogruppo: np = # delle unità difettose Per ogni sottogruppo: p = np / n n p = np / k Limiti di controllo LSC p = p + 3 LIC p = p 3 ( 1 p) p n p 1 p n ( ) * * LSC np = np + 3 np(1 p) LIC np = np 3 np(1 p) Carte di controllo per attributi np = # di unità difettose c = # di difetti n = numerosità del campione k = # di sottogruppi Numero di difetti Carta c Numero di difetti per unità Carta u costante variabile Per ogni sottogruppo: c = # dei difetti Per ogni sottogruppo: Per ogni sottogruppo: u = c / n Per ogni sottogruppo: c = c / k u = c / n LSC c = c + 3 LIC c = c 3 LSC u = u + 3 LIC u = u 3 c c u n u n * * La formula crea variazioni dei limiti di controllo. Per evitarlo, usare numerosità di campione n per i campionamenti che sono entro il +/-20% del valore medio della dimensione del campione. Calcolare limiti separati per i campionamenti che eccedono il +/-20%. Politecnico di Milano Dipartimento di Elettrotecnica 1
2 LE CARTE DI CONTROLLO (5) Tipo di carta di controllo Media e escursione X e R Media e deviaz. standard X e s Mediana e escursione X ~ e R Valori individ. ed escursione mobile X e R m Dimensione campione <10, solitamente da 3 a 5 Solitamente >=10 < 10, solitamente da 3 a 5 1 R X R X R X s Linea centrale ( x + x +x ) 1 2 = k R1 + R +Rk k x1 + x +x k s1 + s +sk k ~ x ~ x ~ xk k ( ) = 2 ( ) = 2 ( ) = 2 ( ) ~ 2 X = ( R + R +R ) 1 2 = k ( x + x +x ) 1 2 = k m = ( X i+1 X i ) ( R + R + R ) R 1 2 k 1 m = k 1 k k k k * Limiti di controllo LSC x = X + A 2 R LIC x = X A 2 R LSC R = D 4 R LIC R = D 3 R LSC X = X + A 3 s LIC X = X A 3 s LSC s = B 4 s LIC s = B 3 s ~ LSC ~ X = X + A2 R ~ LIC ~ X = X A2 R LSC R = D 4 R LIC R = D 3 R LSCX = X + E2R m LIC = X E2 X R m LSC = D4R Rm LIC = D3R Rm m m Carte di controllo per variabili k = # di sottogruppi n ~ = valore mediano di ogni sottogruppo X * X = n i Politecnico di Milano Dipartimento di Elettrotecnica 2
3 LE CARTE DI CONTROLLO (5) Tabella delle costanti da usare nelle formule precedenti per calcolare i limiti di controllo Politecnico di Milano Dipartimento di Elettrotecnica 3
4 LE CARTE DI CONTROLLO (6) Definizione e interpretazione delle carte di controllo Carte di controllo per attributi: una sola carta, con la frazione difettosa o il numero dei pezzi difettosi, il numero dei difetti o il numero dei difetti per unità; viene evidenziata la variazione tra i diversi campioni. Carte di controllo per variabili: sono di due tipi: una riporta la media, la mediana e i dati singoli, e dà indicazione delle variazioni nel tempo tra sottogruppi. La seconda, per l escursione dei dati e la deviazione standard, dà indicazione della variazione all interno dei sottogruppi nel tempo. La linea centrale dà indicazione se la media del processo è secondo gli obiettivi o le specifiche Analisi dei dati rispetto ai limiti di controllo: vanno distinte le variazioni dovute a cause comuni e a cause speciali. Variazioni entro i limiti dipendono da variazioni intrinseche del processo, mentre variazioni al di fuori dei limiti o andamenti particolari entro i limiti dipendono da cause specifiche, quali errori umani, eventi imprevisti, ecc. Quando le analisi dei dati mostrano che il processo è sotto controllo, il campionamento può essere diradato, definendo intervalli regolari che permettano di verificare che non ci siano cambiamenti di sostanza. Il processo è sotto controllo quando non è affetto da cause speciali di deviazione: tutti i punti sono entro i limiti di controllo e presentano una dispersione casuale attorno al valor medio Politecnico di Milano Dipartimento di Elettrotecnica 4
5 LE CARTE DI CONTROLLO (7) Osservazioni sulla interpretazione delle carte di controllo La situazione di controllo non significa che necessariamente il processo raggiunge i requisiti, ma solo che il processo è consistente. Stato di controllo e limiti di specifica o target di processo non sono direttamente correlati. Nel caso di punti entro i limiti di controllo, ma indicanti una tendenza, spostamento o instabilità, vanno pure cercate le cause del comportamento come nel caso di processo fuori controllo I limiti di controllo vanno mantenuti anche quando sono state trovate e rimosse le cause di fuori controllo, fino a quando il processo non viene cambiato. In questo caso, nel nuovo calcolo vanno tenuti in considerazione solo i dati del nuovo processo. Politecnico di Milano Dipartimento di Elettrotecnica 5
6 LE CARTE DI CONTROLLO (8) Come determinare se il processo è fuori controllo Il processo è fuori controllo nei seguenti casi: Uno o più punti cadono fuori dei limiti di controllo Nel caso in cui la carta di controllo sia divisa in zone, quando Zona A Zona B Zona C Zona C Zona B Zona A Limite sup. di controllo (LSC) Media Limite inf. di controllo (LIC) a) 2 punti, tra 3 consecutivi, sono nella zona A, dalla stessa parte rispetto al valor medio b) 4 punti, tra 5 consecutivi, sono dalla stessa parte rispetto al valor medio e in zona B c) Nove punti consecutivi sono dalla stessa parte rispetto al valor medio d) Ci sono 6 punti consecutivi crescenti o decrescenti e) Ci sono 14 punti consecutivi che si alternano su e giù f) Ci sono 15 punti consecutivi in zona C (sopra e sotto il valor medio Questi casi sono rappresentati nella carta di controllo seguente Politecnico di Milano Dipartimento di Elettrotecnica 6
7 LE CARTE DI CONTROLLO (9) Esempio di casi di processo fuori controllo Politecnico di Milano Dipartimento di Elettrotecnica 7
8 LE CARTE DI CONTROLLO (10) 1 esempio: tempi di collegamento alle linee telefoniche del centro di cure intensive cardiache Carta di controllo dei valori individuali e della escursione mobile Le carte di controllo riportate, che rappresentano i valori individuali e la variazione, mostrano che qualcosa è cambiato nel processo, e ora i risultati sono stabilmente migliori. (UCL= LSC limite superiore di controllo LCL = LIC limite inferiore di controllo) Politecnico di Milano Dipartimento di Elettrotecnica 8
9 LE CARTE DI CONTROLLO (11) 2 esempio: Centro dentistico: percentuale di pazienti che non rispettano l appuntamento Carta di controllo p Il tempo di appuntamento flessibile determina un numero minore di appuntamenti mancati (UCL= LSC limite superiore di controllo LCL = LIC limite inferiore di controllo) Politecnico di Milano Dipartimento di Elettrotecnica 9
10 Affidabilità e Controllo Qualità LE CARTE DI CONTROLLO (12) 3 esempio: processo di saldatura Carta di controllo u (UCL= LSC limite superiore di controllo LCL = LIC limite inferiore di controllo) Politecnico di Milano Dipartimento di Elettrotecnica 10
11 Affidabilità e Controllo Qualità LE CARTE DI CONTROLLO (13) 4 esempio: valutazione complessiva dei corsi Carte di controllo X e R Le settimane 1, 10 (dalla carta inferiore), 16 e 22 devono essere controllati per capire perché i risultati sono al di fuori dei limiti di controllo (UCL= LSC limite superiore di controllo LCL = LIC limite inferiore di controllo) Politecnico di Milano Dipartimento di Elettrotecnica 11
12 LE CARTE DI CONTROLLO (14) Come indagare su un processo fuori controllo: alcune domande da porsi Ci sono problemi di accuratezza di misura legati agli strumenti o metodi usati? Ci sono differenze nelle metodologie usate dai diversi operatori? Il processo è influenzato dalle condizioni ambientali, quali temperatura, umidità ecc.? Ci sono stati cambiamenti significativi nell ambiente in cui opera il processo? Ha operato sul processo personale non addestrato o inesperto? Ci sono stati cambiamenti negli input del processo? (ad es. materiali grezzi, ecc.) Il processo è influenzato da condizioni di affaticamento del personale? Ci sono stati cambi di politica di gestione del processo o di procedure? (ad es. modalità di manutenzione ecc.) Il processo viene ritoccato frequentemente? I campioni sono stati ricavati da diverse parti dl processo? Il personale ha timore di riferire dati cattivi? Ogni risposta positiva rappresenta una possibile causa per il processo fuori controllo. Politecnico di Milano Dipartimento di Elettrotecnica 12
13 IL CAMPIONAMENTO STATISTICO (1) Applicazioni del campionamento statistico: Accettazione di componenti / parti di fornitura esterna Controllo di lotti di fornitura (da parte del fornitore o da parte del cliente) Controllo di processi Controllo di prodotti Controllo di dati Politecnico di Milano Dipartimento di Elettrotecnica 13
14 IL CAMPIONAMENTO STATISTICO (2) f Distribuzione gaussiana ( x) = σ 1 2 x µ 1 2 σ * e 2π Politecnico di Milano Dipartimento di Elettrotecnica 14
15 IL CAMPIONAMENTO STATISTICO (3) QUANDO È NECESSARIO Prove distruttive Grandi quantitativi Controlli molto onerosi QUANDO È OPPORTUNO Per ridurre i costi di controllo Per stimolare il fornitore all autocontrollo e al miglioramento Quando il livello di qualità ha raggiunto valori elevati che non giustificano un controllo al 100% FASI PRINCIPALI DEL CONTROLLO PER CAMPIONAMENTO Stabilire in anticipo la frazione difettosa accettabile Definire la numerosità del campione, sulla base della confidenza statistica richiesta e della complessità / costo della prova Effettuare materialmente il controllo Nota: è sbagliato considerare aprioristicamente che un controllo al 100% dia più garanzie di un controllo statistico! Politecnico di Milano Dipartimento di Elettrotecnica 15
16 IL CAMPIONAMENTO STATISTICO (4) IL CONTROLLO PER CAMPIONAMENTO Considerazioni e risultati relativi a campioni con diversa numerosità: La scelta della dimensione del campione deve essere un giusto compromesso tra sicurezza del risultato e tempi / costi di esecuzione. Si consideri il seguente esempio. Politecnico di Milano Dipartimento di Elettrotecnica 16
17 IL CAMPIONAMENTO STATISTICO (5) Politecnico di Milano Dipartimento di Elettrotecnica 17
18 IL CAMPIONAMENTO STATISTICO (6) P 0 = limite superiore per la frazione difettosa del lotto ritenuta accettabile P1 = limite inferiore per la frazione difettosa del lotto ritenuta da rifiutare CURVA CARATTERISTICA OPERATIVA È un diagramma che indica la probabilità di accettazione di lotti in funzione della difettosa presente negli stessi α = rischio del produttore o fornitore β = rischio del cliente Politecnico di Milano Dipartimento di Elettrotecnica 18
19 Affidabilità e Controllo Qualità IL CAMPIONAMENTO STATISTICO (7) TABELLA PER IL CONTROLLO ORDINARIO PER CAMPIONAMENTO SEMPLICE PER ATTRIBUTI Politecnico di Milano Dipartimento di Elettrotecnica 19
20 IL CAMPIONAMENTO STATISTICO (8) LIVELLO DI COLLAUDO Il livello di collaudo scelto determina il potere discriminante della prova. Il livello S1 è quello con minor potere discriminante, il livello III è quello con maggior potere discriminante. Salvo diversa indicazione e per normali necessità si usa Il livello II. I livelli speciali S1, S2, S3, S4 sono usati quando sono necessarie numerosità di campione piccole, e possono o devono essere tollerati i rischi determinati dal minor potere discriminante (ad es. controlli su materiali ricavati da un processo continuo). La scelta di collaudo ordinario, rinforzato o ridotto (vedi oltre) è completamente indipendente dal livello di collaudo scelto. Politecnico di Milano Dipartimento di Elettrotecnica 20
21 IL CAMPIONAMENTO STATISTICO (9) Piano di Campionamento Ordinario Politecnico di Milano Dipartimento di Elettrotecnica 21
22 IL CAMPIONAMENTO STATISTICO (10) Piano di Campionamento Ridotto Politecnico di Milano Dipartimento di Elettrotecnica 22
23 IL CAMPIONAMENTO STATISTICO (11) Piano di Campionamento Rinforzato Politecnico di Milano Dipartimento di Elettrotecnica 23
24 IL CAMPIONAMENTO STATISTICO (12) Regole di commutazione tra i piani di campionamento Politecnico di Milano Dipartimento di Elettrotecnica 24
Il campionamento statistico
Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori
DettagliIL COLLAUDO DI ACCETTAZIONE
IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliEsercizio 1 Istogrammi
ESERCIZI DI CONTROLLO QUALITÀ Esercizio 1 Istogrammi Viene controllata una dimensione di un particolare meccanico, campionando 5 esemplari. Le misure danno i seguenti risultati (in mm): 1, 11, 1, 1, 11,9
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliLe Carte di Controllo del Processo
ISI MANUALE PER CORSI QUALITÀ dispensa data modifica del livello Q-051 01.06.94 01 25.07.95 BLU Le Carte di Controllo del Processo MANUALE DI UTILIZZO ISI CARTE DI CONTROLLO pagina 2 di 13 Introduzione.
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliPRODUZIONE DI LENTI A CONTATTO
1 PRODUZIONE DI LENTI A CONTATTO Per monitorare il processo di produzione di un determinato tipo di lenti a contatto viene misurato, ad intervalli di tempo regolari di h 15 minuti, il diametro X (in mm)
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliCAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione
CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI
DettagliGESTIONE INDUSTRIALE DELLA QUALITÀ A
GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCarte di controllo per attributi
Carte di controllo per attributi Il controllo per variabili non sempre è effettuabile misurazioni troppo difficili o costose troppe variabili che definiscono qualità di un prodotto le caratteristiche dei
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliControllo di accettazione
Controllo di accettazione Introduzione Piano di campionamento singolo Curva operativa caratteristica Piano di campionamento con rettifica Piano di campionamento doppio Piano di campionamento sequenziale
DettagliC) DIAGRAMMA A SETTORI
C) DIAGRAMMA A SETTORI Procedura: Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliIl controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)
del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento
Dettagli1. RACCOLTA DEI DATI E FORMAZIONE DEI PRESENTANO, PER CIASCUNA DELLE DUE SOTTOGRUPPI GRANDEZZE (MEDIA ED ESCURSIONE), TRE
CARTE DI CONTROLLO LA CARTA DI CONTROLLO DI TIPO - R VIENE CARTE DI UTILIZZATA PER CONTROLLARE UNA VARIABILE MISURABILE DI UN PROCESSO CONSENTE CONTROLLO IL MONITORAGGIO SIA DELL'ANDAMENTO DEL VALOR MEDIO,
DettagliANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI
ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliOgni azienda ha la necessità di conoscere il proprio sistema dei costi sia per controllare la situazione esistente che per verificare il
Ogni azienda ha la necessità di conoscere il proprio sistema dei costi sia per controllare la situazione esistente che per verificare il raggiungimento degli obiettivi avendo come fine il mantenimento
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliControllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni
Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliCorso di Laurea Magistrale in Chimica e Tecnologia Farmaceutiche E25
Sezione di Tecnologia e Legislazione Farmaceutiche Maria Edvige Sangalli Corso di Laurea Magistrale in Chimica e Tecnologia Farmaceutiche E25 Fabbricazione Industriale dei Medicinali 4 CFU Prof. Andrea
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
DettagliChe cos è la Qualità?
Che cos è la Qualità? Politecnico di Milano Dipartimento di Elettrotecnica 1 La Qualità - Cos è - La qualità del prodotto e del servizio - L evoluzione del concetto di qualità - La misura della qualità
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliEsercizio 1: trading on-line
Esercizio 1: trading on-line Si realizzi un programma Java che gestisca le operazioni base della gestione di un fondo per gli investimenti on-line Creazione del fondo (con indicazione della somma in inizialmente
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
DettagliComprendere le aspettative e le percezioni del cliente con le ricerche di marketing
Corso di Marketing Strategico Comprendere le aspettative e le percezioni del cliente con le ricerche di marketing Angelo Riviezzo angelo.riviezzo@unisannio.it Gap del fornitore n.1 CLIENTE Servizio atteso
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliI modelli normativi. I modelli per l eccellenza. I modelli di gestione per la qualità. ! I modelli normativi. ! I modelli per l eccellenza
1 I modelli di gestione per la qualità I modelli normativi I modelli per l eccellenza Entrambi i modelli si basano sull applicazione degli otto principi del TQM 2 I modelli normativi I modelli normativi
DettagliGESTIONE DELLA QUALITÀ DELLE FORNITURE DI BENI E SERVIZI
Pagina 1 di 10 GESTIONE DELLA QUALITÀ DELLE DISTRIBUZIONE Fornitori di beni e servizi Documento pubblicato su www.comune.torino.it/progettoqualita/procedure.shtml APPLICAZIONE SPERIMENTALE Stato del documento
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliStrumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi
Versione 2.0 Strumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi Corso anno 2011 E. MANUALE UTILIZZO HAZARD MAPPER Il programma Hazard Mapper è stato realizzato per redarre,
DettagliDIPARTIMENTO IMPIEGATO PROGETTO SEDE. (0,1) (1,1) DIREZIONE Cognome. Codice. Telefono (0,1) (1,N) AFFERENZA. Stipendio (0,N) Nome (1,1) Età
PROGETTAZIONE LOGICA 7í0 Progettazione logica Obiettivo: ëtradurre" lo schema concettuale in uno schema logico che rappresenti gli stessi dati in maniera corretta ed eæciente Input: Output: æ schema concettuale
DettagliRiepilogo delle modifiche di PA-DSS dalla versione 2.0 alla 3.0
Settore delle carte di pagamento (PCI) Standard di protezione dei dati per le applicazioni di pagamento () Riepilogo delle modifiche di dalla versione 2.0 alla 3.0 Novembre 2013 Introduzione Il presente
DettagliALLEGATO H VALUTAZIONE DELLA PERFORMANCE INDIVIDUALE DEI DIPENDENTI COMUNE DI CINISI Prov. Palermo
SCHEDA di 3 II Fattore di Valutazione: Comportamenti professionali e organizzativi e competenze Anno Settore Servizio Dipendente Categoria Profilo professionale Responsabilità assegnate DECLARATORIA DELLA
DettagliISTRUZIONI PER LE INSEGNANTI DI SOSTEGNO
Pag 1/5 INCONTRI DI INIZIO ANNO SCOLASTICO Al più presto il docente di sostegno, non appena assegnato a nuovi casi, dovrà curare alcuni incontri: Con il gruppo docente dell anno precedente Con i genitori
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliGestione della politica monetaria: strumenti e obiettivi corso PAS. Mishkin, Eakins, Istituzioni e mercati finanziari, 3/ed.
Gestione della politica monetaria: strumenti e obiettivi corso PAS 1 Anteprima Con il termine politica monetaria si intende la gestione dell offerta di moneta. Sebbene il concetto possa apparire semplice,
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliTemperatura interna e del guscio durante una incubazione a temperatura costante - Tazawa & Nakagawa (1985) and French (1997) Giorni di incubazione
COME SI. PERCHÉ MISURARE LA TEMPERATURA DEL GUSCIO? Una corretta temperatura dell incubatrice é un aspetto importante per la qualitá dei pulcini. La temperature dell incubatrice é quella percepita dall
DettagliPIANO DI CAMPIONAMENTO POSTA MASSIVA
PIANO DI CAMPIONAMENTO PER IL CONTROLLO DELLE SPEDIZIONI DI POSTA MASSIVA IN FASE DI ACCETTAZIONE Documento di proprietà di Poste Italiane S.p.A. che se ne riserva tutti i diritti 1 1. Premesse Il presente
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliA) ISC per i conti correnti. In corso di predisposizione
llegato 5 METODOLOGIE DI CLCOLO DEGLI INDICTORI SINTETICI DI COSTO ) ISC per i conti correnti In corso di predisposizione B) ISC per gli affidamenti in conto corrente 1. Premessa La formula per il calcolo
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL
DettagliLezione 1. Obiettivi prestazionali e normativa vigente. Laboratorio progettuale (Tecnica delle Costruzioni)
Lezione 1 Obiettivi prestazionali e normativa vigente Laboratorio progettuale (Tecnica delle Costruzioni) Obiettivi prestazionali Obiettivi progettuali Sono definiti dall associazione associazione tra
DettagliCriteri per la definizione e valutazione di un nuovo prodotto Aspetti di base ed elementi di discussione a cura di Michele Tamma
Criteri per la definizione e valutazione di un nuovo prodotto Aspetti di base ed elementi di discussione a cura di Michele Tamma Aprile 2005 Definire un nuovo prodotto: Metterne a fuoco il concept, ovvero
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliTENUTA SOTTO CONTROLLO DELLE REGISTRAZIONI
Rev.0 Data 10.10.2002 TENUTA SOTTO CONTROLLO DELLE REGISTRAZIONI Indice: 1.0 SCOPO 2.0 CAMPO DI APPLICAZIONE 3.0 RIFERIMENTI E DEFINIZIONI 4.0 RESPONSABILITÀ 5.0 MODALITÀ ESECUTIVE 6.0 ARCHIVIAZIONE 7.0
DettagliLE FINESTRE E L ISOLAMENTO ACUSTICO
LE FINESTRE E L ISOLAMENTO ACUSTICO Roberto Malatesta. William Marcone Ufficio Tecnico (giugno 2008) LA PROTEZIONE DAL RUMORE DEGLI EDIFICI, LA NORMATIVA NAZIONALE La maggior sensibilità delle persone
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)
INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliCase Study: Distribuzione logistica per Azienda di prodotti a largo consumo
Case Study: Distribuzione logistica per Azienda di prodotti a largo consumo Matteo Casu 2002 Situazione Attuale 1 STABILIMENTO DI PRODUZIONE 1 MAGAZZINO PRODOTTI C/O STABILIMENTO 4 CENTRI DI SMISTAMENTO
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliMANUALE DELLA QUALITÀ SEZIONE 5.1: FUNZIONAMENTO DEL SISTEMA DI GESTIONE PER LA QUALITÀ
REV. 00 pagina 1/4 MANUALE DELLA QUALITÀ Rif.to: UNI EN ISO 9001:2008 PARTE 5: RESPONSABILITÀ DELLA DIREZIONE SEZIONE 5.1: FUNZIONAMENTO DEL SISTEMA DI GESTIONE PER LA QUALITÀ SOMMARIO A Impegno della
DettagliSistemi di misurazione e valutazione delle performance
Sistemi di misurazione e valutazione delle performance 1 SVILUPPO DELL'INTERVENTO Cos è la misurazione e valutazione delle performance e a cosa serve? Efficienza Efficacia Outcome Requisiti minimi Indicatori
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliLa Qualità il Controllo ed il Collaudo della macchina utensile. Dr. Giacomo Gelmi
La Qualità il Controllo ed il Collaudo della macchina utensile Dr. Giacomo Gelmi Che cosa è una macchina utensile? E uno spazio fisico in cui si collocano, sostenuti da adeguate strutture ed in posizioni
DettagliDisoccupazione e salario reale
Disoccupazione e salario reale Testo di studio raccomandato: Mankiw, Principi di Economia, 3 ed., 2004, Zanichelli Capitolo 28 La disoccupazione Come si misura la disoccupazione? Come si interpretano i
DettagliUn primo passo verso PAT. Un applicazione di controllo preventivo
Un primo passo verso PAT Un applicazione di controllo preventivo Sommario Situazione iniziale: linea di produzione con controllo peso off-line Cambiamento vs. una linea con controllo peso automatico on-line
DettagliObiettivi. Metodi statistici per il controllo della qualità. Indice. UNI - Ente Nazionale Italiano di Unificazione
Obiettivi Metodi statistici per il controllo della qualità Evidenziare come tipici problemi industriali richiedano un controllo statistico di qualità Segnalare l esistenza di specifiche norme UNI che definiscono
DettagliDisegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione
DettagliFollia è fare quel che si è sempre fatto aspettandosi risultati diversi
I Sistemi di gestione Follia è fare quel che si è sempre fatto aspettandosi risultati diversi Jim Kearns Relatore: Sandro Vanin Qualita, Sicurezza, Ambiente Schemi di certificazione. ISO 9001, OHSAS 18001,
DettagliSCHEMA 0 STORIA. Schema certificativo CP003 0.1 DOCUMENTI ESTERNI DI RIFERIMENTO
SCHEMA per la certificazione del controllo della produzione in fabbrica ai fini della marcatura CE dei prodotti laminati a caldo di acciai per impieghi strutturali di cui alla norma UNI EN 10025-1, edizione
DettagliEsistono differenti tipologie di report aziendali, a seconda della funzione per cui sono redatti e dei soggetti a cui si rivolgono
REPORTING INTERNO: PREMESSE Esistono differenti tipologie di report aziendali, a seconda della funzione per cui sono redatti e dei soggetti a cui si rivolgono REPORT ISTITUZIONALI REPORT OPERATIVI REPORT
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliDalla progettazione igienica degli ambienti alla qualità in tavola QUALITÀ DEGLI ALIMENTI: IGIENE E SICUREZZA ALIMENTARE SISTEMA HACCP
Dalla progettazione igienica degli ambienti alla qualità in tavola Milano 21 Maggio 2015 Galleria Meravigli QUALITÀ DEGLI ALIMENTI: IGIENE E SICUREZZA ALIMENTARE SISTEMA HACCP Ing. Patrizia Di Lelio 1
DettagliMONOPOLIO, MONOPOLISTA
Barbara Martini OBIETTIVI IL SIGNIFICATO DI MONOPOLIO, IN CUI UN SINGOLO MONOPOLISTA È L UNICO PRODUTTORE DI UN BENE COME UN MONOPOLISTA DETERMINA L OUTPUT ED IL PREZZO CHE MASSIMIZZANO IL PROFITTO LA
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
Dettagli